基于社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法

譚麗麗

【摘 要】基于通信運(yùn)營(yíng)商社交網(wǎng)絡(luò)數(shù)據(jù)量巨大、產(chǎn)生速度快、交互速度快、數(shù)據(jù)結(jié)構(gòu)多樣和分析復(fù)雜的特點(diǎn)，結(jié)合傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)的分析，提出了一種高影響力客戶識(shí)別的模型，并應(yīng)用于客戶套餐購買過程中，得出了6個(gè)月內(nèi)高影響力客戶比隨機(jī)客戶推薦成功率平均提升4.8%、絕對(duì)量提升29倍的效果。

【關(guān)鍵詞】大數(shù)據(jù) 社交網(wǎng)絡(luò) 客戶識(shí)別

1 前言

目前大數(shù)據(jù)和云計(jì)算兩個(gè)概念是很熱門的話題，業(yè)界逐步開始區(qū)分大數(shù)據(jù)和云計(jì)算。前者主要是指業(yè)務(wù)問題、創(chuàng)新機(jī)會(huì)和技術(shù)平臺(tái)；后者主要是指按需付費(fèi)、資源動(dòng)態(tài)調(diào)配、自服務(wù)的商業(yè)模式[1]?；ヂ?lián)網(wǎng)、社交網(wǎng)絡(luò)、傳感器、科研、金融正在產(chǎn)生越來越多的數(shù)據(jù)，聯(lián)合國(guó)于2012年7月10日在紐約總部發(fā)布了一份大數(shù)據(jù)政務(wù)白皮書《大數(shù)據(jù)促發(fā)展：挑戰(zhàn)與機(jī)遇》，總結(jié)了各國(guó)政府如何利用大數(shù)據(jù)更好地服務(wù)和保護(hù)人民[2]。美國(guó)政府推出了“大數(shù)據(jù)”戰(zhàn)略，媲美于當(dāng)年克林頓政府時(shí)代的信息高速公路計(jì)劃，奧巴馬希望借助大數(shù)據(jù)來將美國(guó)經(jīng)濟(jì)帶出泥潭，從基礎(chǔ)建設(shè)到IT硬件、軟件、網(wǎng)絡(luò)，最后到數(shù)據(jù)[3]。

運(yùn)營(yíng)商每天產(chǎn)生10TB+話單、30TB+上網(wǎng)日志和100TB+信令數(shù)據(jù)，對(duì)大數(shù)據(jù)的需求主要集中在Analytics

（分析）和使用方面。大數(shù)據(jù)驅(qū)動(dòng)市場(chǎng)營(yíng)銷、驅(qū)動(dòng)成本控制、驅(qū)動(dòng)產(chǎn)品和服務(wù)創(chuàng)新、驅(qū)動(dòng)管理和決策的創(chuàng)新、驅(qū)動(dòng)商業(yè)模式的創(chuàng)新。智能終端、交互渠道、用戶生成內(nèi)容、傳感器、社交媒體等多種方式產(chǎn)生的新型非結(jié)構(gòu)化/半結(jié)構(gòu)化數(shù)據(jù)（大數(shù)據(jù)），在通信運(yùn)營(yíng)商中，與傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)和分析方式整合后將創(chuàng)造巨大的價(jià)值。通過基于客戶位置數(shù)據(jù)、網(wǎng)絡(luò)日志數(shù)據(jù)和社交網(wǎng)絡(luò)數(shù)據(jù)，對(duì)客戶的消費(fèi)行為、交往圈、流失情況和欺詐情況進(jìn)行分析，提高了客戶的忠誠(chéng)度和保有率，既帶來了相當(dāng)數(shù)量的收入貢獻(xiàn)，又挽回了巨大的損失。

2 社交網(wǎng)絡(luò)大數(shù)據(jù)特點(diǎn)分析

大數(shù)據(jù)帶來更強(qiáng)的競(jìng)爭(zhēng)力、更快速的分析。應(yīng)用數(shù)據(jù)分析的價(jià)值在于獲得比競(jìng)爭(zhēng)對(duì)手更全面、更多樣化的信息以及更多發(fā)現(xiàn)，其中可能蘊(yùn)含制勝的關(guān)鍵。企業(yè)的差異化能力依賴于數(shù)據(jù)分析，分析競(jìng)爭(zhēng)成為企業(yè)的基礎(chǔ)戰(zhàn)略。數(shù)據(jù)分析幾乎可以提升所有的商業(yè)過程，包括產(chǎn)品、價(jià)格、流程、銷售、客戶、人力、收購等。

數(shù)字化運(yùn)營(yíng)和數(shù)據(jù)分析成為每個(gè)運(yùn)營(yíng)商的基本能力，傳統(tǒng)的數(shù)據(jù)及分析如CRM系統(tǒng)中的客戶信息（通話、交易記錄；廣告效果；賬戶信息；營(yíng)銷預(yù)算、花費(fèi)數(shù)據(jù)等），可以一定程度地反映一些信息，但已不再能給出重要的洞察和發(fā)現(xiàn)，尤其是面對(duì)競(jìng)爭(zhēng)的時(shí)候。未來5—10年沒有人會(huì)記得電信業(yè)，因?yàn)槊考虑槎蓟跀?shù)據(jù)，而不是基于通信。通信價(jià)值的逐漸下降有可能使得10年后大家都不知道什么是通信公司，成功的電信運(yùn)營(yíng)商將會(huì)成為大數(shù)據(jù)公司[4]。來自社交網(wǎng)絡(luò)/媒體行為和郵件數(shù)據(jù)、移動(dòng)搜索的內(nèi)容、有效的客戶生活信息及個(gè)人屬性、位置信息、漫游記錄、建筑數(shù)據(jù)和智能設(shè)備等的大數(shù)據(jù)構(gòu)建了用戶行為分析的基礎(chǔ)，其中社交網(wǎng)絡(luò)數(shù)據(jù)由于社交網(wǎng)絡(luò)營(yíng)銷正成為企業(yè)采用的一種新的營(yíng)銷方式而顯得尤為重要。

社交網(wǎng)絡(luò)數(shù)據(jù)的特點(diǎn)體現(xiàn)在：

（1）數(shù)據(jù)量巨大（Volume），包括海量信令信息（位置更新/開關(guān)機(jī)/網(wǎng)絡(luò)質(zhì)量）、海量互聯(lián)網(wǎng)行為數(shù)據(jù)（DPI/URL/社交媒體/關(guān)鍵詞）、海量話單信息（語音話單/短信話單/CDMA話單）、M2M數(shù)據(jù)等；

（2）產(chǎn)生速度快（Velocity），如互聯(lián)網(wǎng)/信令數(shù)據(jù)秒級(jí)到毫秒級(jí)的生成記錄；

（3）交互速度快，業(yè)務(wù)上需要能夠?qū)?shù)據(jù)實(shí)時(shí)訪問和處理；

（4）數(shù)據(jù)結(jié)構(gòu)多樣（Variety），包括文本信息/互聯(lián)網(wǎng)網(wǎng)頁/投訴文本/短信文本、WAP日志/Web日志、用戶行為內(nèi)容、客戶語音/營(yíng)業(yè)廳影像/票據(jù)、傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)等；

（5）分析復(fù)雜（Complexity），如大數(shù)據(jù)交互式分析、移動(dòng)互聯(lián)網(wǎng)背景下的客戶行為分析、復(fù)雜結(jié)構(gòu)數(shù)據(jù)的關(guān)聯(lián)整合、復(fù)雜負(fù)載類型的管理等[5]。

3 基于社交網(wǎng)絡(luò)分析的高影響力（種子）

用戶識(shí)別

如何利用社交網(wǎng)絡(luò)分析提升營(yíng)銷能力是通信企業(yè)面臨的一個(gè)重要問題。移動(dòng)通信網(wǎng)絡(luò)組成一個(gè)有效的社交網(wǎng)絡(luò)，但通信企業(yè)在社交網(wǎng)絡(luò)分析和營(yíng)銷方面還存在如下不足：

（1）企業(yè)營(yíng)銷：企業(yè)在衡量客戶價(jià)值時(shí)沒有考慮客戶的影響力價(jià)值，營(yíng)銷時(shí)關(guān)注客戶購買產(chǎn)品的潛在需求，沒有考慮客戶對(duì)產(chǎn)品的營(yíng)銷傳播能力；

（2）客戶信息：數(shù)據(jù)倉庫存儲(chǔ)以客戶個(gè)體屬性信息為主，很少涉及客戶之間的關(guān)系屬性，特別是從通信網(wǎng)絡(luò)中提取的社交網(wǎng)絡(luò)特征；

（3）分析模型：在構(gòu)建傳統(tǒng)分析模型時(shí)，沒有把客戶間的相互影響以及客戶關(guān)系和影響隨時(shí)間變化的趨勢(shì)考慮進(jìn)來。

3.1 社交網(wǎng)絡(luò)分析概述

電信行業(yè)、傳媒產(chǎn)業(yè)借助社交網(wǎng)絡(luò)分析，通過客戶的通話數(shù)據(jù)、微博連接，能夠識(shí)別出這部分“影響者”。社交分析并不是分析單一用戶的通話記錄和微博信息，而是分析各用戶所處的社交網(wǎng)絡(luò)。社交網(wǎng)絡(luò)分析是從大數(shù)據(jù)量中識(shí)別客戶行為模式的技術(shù)，是一種無監(jiān)督模型，其目的在于了解虛擬網(wǎng)絡(luò)或一個(gè)小群體中現(xiàn)有客戶的行為，建立客戶間關(guān)系的全貌，用于指導(dǎo)企業(yè)的社交網(wǎng)絡(luò)營(yíng)銷[6]。社交網(wǎng)絡(luò)分析關(guān)注網(wǎng)絡(luò)的靜態(tài)分析和動(dòng)態(tài)分析兩個(gè)層面，具體如下：

（1）靜態(tài)分析：提取網(wǎng)絡(luò)指標(biāo)，對(duì)網(wǎng)絡(luò)特征刻畫，識(shí)別網(wǎng)絡(luò)群組；

（2）動(dòng)態(tài)分析：網(wǎng)絡(luò)如何隨時(shí)間推移進(jìn)行擴(kuò)散，影響其他節(jié)點(diǎn)。

從電信CDRs（Call Detail Records）數(shù)據(jù)可以提取各種社會(huì)網(wǎng)絡(luò)，如語音通話網(wǎng)絡(luò)（客戶A撥打或接收客戶B的語音通話）、短信網(wǎng)絡(luò)（客戶A發(fā)送或接收客戶B的短信）、彩信網(wǎng)絡(luò)（客戶A發(fā)送或接收客戶B的彩信）、電子郵件網(wǎng)絡(luò)、飛信網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)、社交媒體等。

客戶在擴(kuò)散活動(dòng)如產(chǎn)品推廣活動(dòng)中，能夠接觸更多的客戶，并且可以影響到更多的關(guān)聯(lián)客戶跟他們采取同樣的行為或參加一樣的營(yíng)銷活動(dòng)，因此客戶影響力是附屬于具體營(yíng)銷活動(dòng)或營(yíng)銷問題的，藉此可以進(jìn)行流失應(yīng)用和新業(yè)務(wù)推薦分析。流失應(yīng)用是通過社交網(wǎng)絡(luò)分析識(shí)別流失客戶中的有影響力客戶，判斷與之關(guān)聯(lián)的哪些客戶可能跟隨流失，從而改善客戶維系工作流程；新業(yè)務(wù)推薦是通過社交網(wǎng)絡(luò)分析識(shí)別對(duì)某些新產(chǎn)品或業(yè)務(wù)推廣的有影響力客戶，進(jìn)而影響與之關(guān)聯(lián)的客戶也跟隨購買同樣的產(chǎn)品或業(yè)務(wù)，從而降低營(yíng)銷運(yùn)營(yíng)成本并提高效益。endprint

3.2 社交網(wǎng)絡(luò)分析模型構(gòu)建

首先，構(gòu)建客戶影響力模型指標(biāo)體系，見表1。所有指標(biāo)一般采用最近4個(gè)月的平均值，另外需要對(duì)異常值進(jìn)行剔除，對(duì)極端值按照客戶行為平均值進(jìn)行平滑處理。

其次，建立客戶影響力模型計(jì)算方法。其中，去話和來話對(duì)通信企業(yè)的價(jià)值不同，去話的影響力和價(jià)值高于來話，去話與來話的收入折算系數(shù)為12.215。為消除量綱的影響，所有指標(biāo)除以變異系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，二階中心度的影響力較一階中心度低一級(jí)，做開平方根處理，單次通話時(shí)長(zhǎng)做同樣的處理。根據(jù)已發(fā)生事實(shí)調(diào)優(yōu)客戶影響力計(jì)算公式，如客戶影響力指數(shù)沒有與具體業(yè)務(wù)問題進(jìn)行關(guān)聯(lián)，即在客戶流失問題中有影響力客戶在捆綁套餐營(yíng)銷中不一定有影響力，因此需要根據(jù)具體的業(yè)務(wù)問題對(duì)客戶影響力指數(shù)的指標(biāo)及權(quán)重進(jìn)行調(diào)整。

3.3 模型應(yīng)用結(jié)果

篩選基礎(chǔ)目標(biāo)客戶：抽取用戶近3個(gè)月的交往圈信息和互聯(lián)網(wǎng)訪問內(nèi)容信息，剔除移動(dòng)互聯(lián)影響力較弱的用戶隊(duì)列，即：剔除近3個(gè)月相互主動(dòng)聯(lián)系次數(shù)不超過N次的用戶；剔除上網(wǎng)行為匹配度低的交往用戶（近3個(gè)月內(nèi)沒有使用相同業(yè)務(wù)或不滿足訪問內(nèi)容一致性、相同內(nèi)容/應(yīng)用訪問時(shí)間、時(shí)長(zhǎng)一致性等）；計(jì)算每對(duì)用戶間的互聯(lián)邊權(quán)重（強(qiáng)聯(lián)系是指語音聯(lián)系；弱聯(lián)系是指信息聯(lián)系，如短信、彩信、飛信、飛聊、郵件等；虛聯(lián)系是指其他無顯式的互聯(lián)，如微博粉絲、通信錄好友、集群網(wǎng)成員等）。計(jì)算次數(shù)時(shí)要求客戶彼此之間有互聯(lián)，如彼此有語音主叫、彼此有發(fā)送信息、彼此加對(duì)方為好友，否則聯(lián)系值為0。剔除權(quán)重低于全網(wǎng)均值的互聯(lián)邊，如某群體之間的平均互聯(lián)邊權(quán)重約為28，則剔除后社交網(wǎng)絡(luò)的互聯(lián)邊數(shù)量從7億條降至1.2億條，可大大減少計(jì)算量。

（1）選擇購買套餐的前100名最具有影響力客戶和隨機(jī)100名客戶，觀察這兩組客戶的關(guān)聯(lián)客戶在隨后6個(gè)月內(nèi)的套餐辦理數(shù)和辦理率，結(jié)果如圖1所示。這表明有影響力客戶影響關(guān)聯(lián)客戶隨后購買套餐的數(shù)量和比例都高于隨機(jī)客戶的影響，且初始月份之后，影響力有逐漸增強(qiáng)的趨勢(shì)，而隨著時(shí)間再繼續(xù)向前，影響力又逐漸變小。

（2）以客戶間的通話時(shí)長(zhǎng)作為關(guān)系強(qiáng)度的衡量。如圖2所示，本網(wǎng)一對(duì)客戶之間的月平均通話時(shí)長(zhǎng)為6.5分鐘；選取前100名有影響力客戶，他們與其關(guān)聯(lián)客戶之間每個(gè)月平均通話時(shí)長(zhǎng)達(dá)到24.6分鐘；觀察有影響力客戶與6個(gè)月內(nèi)受影響購買套餐的關(guān)聯(lián)客戶之間的通話時(shí)長(zhǎng)，最先受影響購買套餐的關(guān)聯(lián)客戶與初始有影響力客戶的通話時(shí)長(zhǎng)最長(zhǎng)，隨著月份的增加呈逐漸下降的趨勢(shì)，這表明與初始有影響力客戶聯(lián)系越多的客戶越最先受到影響。

在套餐推廣過程中引入基于社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法，可以明顯看出有影響力的套餐購買客戶能夠帶動(dòng)更多的客戶跟隨購買。隨著時(shí)間的推移，有影響力客戶與隨機(jī)客戶對(duì)管理客戶的影響比較越明顯，推薦成功率、推薦絕對(duì)數(shù)均隨時(shí)間推移有顯著增加，具體如表2和表3所示：

本次推薦的套餐價(jià)格為88元，根據(jù)三年內(nèi)的統(tǒng)計(jì)數(shù)據(jù)，套餐的平均使用周期為12個(gè)月，將社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法僅用于100名客戶就為運(yùn)營(yíng)商增加242.35萬元的收益，有效地解決了運(yùn)營(yíng)商在企業(yè)營(yíng)銷中充分挖掘客戶對(duì)產(chǎn)品的營(yíng)銷傳播能力，提取客戶之間的關(guān)系屬性，將客戶間的相互影響、客戶關(guān)系和影響隨時(shí)間變化的趨勢(shì)在構(gòu)建分析模型時(shí)充分地考慮進(jìn)來。

4 總結(jié)

大數(shù)據(jù)時(shí)代的運(yùn)營(yíng)商將具備前所未有的深度洞察能力，各類客戶數(shù)據(jù)、交互數(shù)據(jù)將通訊行業(yè)的商務(wù)智能從傳統(tǒng)分析帶到了更廣闊的空間，全球眾多運(yùn)營(yíng)商目前正在實(shí)施大數(shù)據(jù)。未來運(yùn)營(yíng)商將有更多的模式來經(jīng)營(yíng)大數(shù)據(jù)資產(chǎn)，包括租售數(shù)據(jù)模式、租售信息模式、數(shù)字媒體模式、數(shù)據(jù)使能模式等，各種模式背后也將催生出更多的產(chǎn)業(yè)[7]。

參考文獻(xiàn)：

[1] 移動(dòng)Labs. 應(yīng)區(qū)分云計(jì)算和大數(shù)據(jù)兩個(gè)概念[EB/OL]. （2012-12-28）. http：//labs.chinamobile.com/mblog/52251/191948.

[2] 王萌. “與數(shù)俱進(jìn)”：聯(lián)合國(guó)發(fā)布大數(shù)據(jù)政務(wù)白皮書[EB/OL]. （2012-07-12）. http：//www.ctocio.com/ccnews/7370.html.

[3] 大數(shù)據(jù)蘊(yùn)含大價(jià)值[EB/OL]. （2013-07-21）. http：//www.doc88.com/p-2961680194630.html.

[4] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶. 大數(shù)據(jù)時(shí)代[M]. 盛楊燕，周濤，譯. 杭州： 浙江人民出版社， 2012.

[5] 吳增海. 社交網(wǎng)絡(luò)模型的研究[D]. 合肥： 中國(guó)科學(xué)技術(shù)大學(xué)， 2012.

[6] 肖云鵬. 在線社會(huì)網(wǎng)絡(luò)用戶行為模型與應(yīng)用算法研究[D]. 北京： 北京郵電大學(xué)， 2013.

[7] 趙正永. 大數(shù)據(jù)專題講座心得體會(huì)[N]. 陜西日?qǐng)?bào)， 2014-02-11.★endprint

3.2 社交網(wǎng)絡(luò)分析模型構(gòu)建

首先，構(gòu)建客戶影響力模型指標(biāo)體系，見表1。所有指標(biāo)一般采用最近4個(gè)月的平均值，另外需要對(duì)異常值進(jìn)行剔除，對(duì)極端值按照客戶行為平均值進(jìn)行平滑處理。

其次，建立客戶影響力模型計(jì)算方法。其中，去話和來話對(duì)通信企業(yè)的價(jià)值不同，去話的影響力和價(jià)值高于來話，去話與來話的收入折算系數(shù)為12.215。為消除量綱的影響，所有指標(biāo)除以變異系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，二階中心度的影響力較一階中心度低一級(jí)，做開平方根處理，單次通話時(shí)長(zhǎng)做同樣的處理。根據(jù)已發(fā)生事實(shí)調(diào)優(yōu)客戶影響力計(jì)算公式，如客戶影響力指數(shù)沒有與具體業(yè)務(wù)問題進(jìn)行關(guān)聯(lián)，即在客戶流失問題中有影響力客戶在捆綁套餐營(yíng)銷中不一定有影響力，因此需要根據(jù)具體的業(yè)務(wù)問題對(duì)客戶影響力指數(shù)的指標(biāo)及權(quán)重進(jìn)行調(diào)整。

3.3 模型應(yīng)用結(jié)果

篩選基礎(chǔ)目標(biāo)客戶：抽取用戶近3個(gè)月的交往圈信息和互聯(lián)網(wǎng)訪問內(nèi)容信息，剔除移動(dòng)互聯(lián)影響力較弱的用戶隊(duì)列，即：剔除近3個(gè)月相互主動(dòng)聯(lián)系次數(shù)不超過N次的用戶；剔除上網(wǎng)行為匹配度低的交往用戶（近3個(gè)月內(nèi)沒有使用相同業(yè)務(wù)或不滿足訪問內(nèi)容一致性、相同內(nèi)容/應(yīng)用訪問時(shí)間、時(shí)長(zhǎng)一致性等）；計(jì)算每對(duì)用戶間的互聯(lián)邊權(quán)重（強(qiáng)聯(lián)系是指語音聯(lián)系；弱聯(lián)系是指信息聯(lián)系，如短信、彩信、飛信、飛聊、郵件等；虛聯(lián)系是指其他無顯式的互聯(lián)，如微博粉絲、通信錄好友、集群網(wǎng)成員等）。計(jì)算次數(shù)時(shí)要求客戶彼此之間有互聯(lián)，如彼此有語音主叫、彼此有發(fā)送信息、彼此加對(duì)方為好友，否則聯(lián)系值為0。剔除權(quán)重低于全網(wǎng)均值的互聯(lián)邊，如某群體之間的平均互聯(lián)邊權(quán)重約為28，則剔除后社交網(wǎng)絡(luò)的互聯(lián)邊數(shù)量從7億條降至1.2億條，可大大減少計(jì)算量。

（1）選擇購買套餐的前100名最具有影響力客戶和隨機(jī)100名客戶，觀察這兩組客戶的關(guān)聯(lián)客戶在隨后6個(gè)月內(nèi)的套餐辦理數(shù)和辦理率，結(jié)果如圖1所示。這表明有影響力客戶影響關(guān)聯(lián)客戶隨后購買套餐的數(shù)量和比例都高于隨機(jī)客戶的影響，且初始月份之后，影響力有逐漸增強(qiáng)的趨勢(shì)，而隨著時(shí)間再繼續(xù)向前，影響力又逐漸變小。

（2）以客戶間的通話時(shí)長(zhǎng)作為關(guān)系強(qiáng)度的衡量。如圖2所示，本網(wǎng)一對(duì)客戶之間的月平均通話時(shí)長(zhǎng)為6.5分鐘；選取前100名有影響力客戶，他們與其關(guān)聯(lián)客戶之間每個(gè)月平均通話時(shí)長(zhǎng)達(dá)到24.6分鐘；觀察有影響力客戶與6個(gè)月內(nèi)受影響購買套餐的關(guān)聯(lián)客戶之間的通話時(shí)長(zhǎng)，最先受影響購買套餐的關(guān)聯(lián)客戶與初始有影響力客戶的通話時(shí)長(zhǎng)最長(zhǎng)，隨著月份的增加呈逐漸下降的趨勢(shì)，這表明與初始有影響力客戶聯(lián)系越多的客戶越最先受到影響。

在套餐推廣過程中引入基于社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法，可以明顯看出有影響力的套餐購買客戶能夠帶動(dòng)更多的客戶跟隨購買。隨著時(shí)間的推移，有影響力客戶與隨機(jī)客戶對(duì)管理客戶的影響比較越明顯，推薦成功率、推薦絕對(duì)數(shù)均隨時(shí)間推移有顯著增加，具體如表2和表3所示：

本次推薦的套餐價(jià)格為88元，根據(jù)三年內(nèi)的統(tǒng)計(jì)數(shù)據(jù)，套餐的平均使用周期為12個(gè)月，將社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法僅用于100名客戶就為運(yùn)營(yíng)商增加242.35萬元的收益，有效地解決了運(yùn)營(yíng)商在企業(yè)營(yíng)銷中充分挖掘客戶對(duì)產(chǎn)品的營(yíng)銷傳播能力，提取客戶之間的關(guān)系屬性，將客戶間的相互影響、客戶關(guān)系和影響隨時(shí)間變化的趨勢(shì)在構(gòu)建分析模型時(shí)充分地考慮進(jìn)來。

4 總結(jié)

大數(shù)據(jù)時(shí)代的運(yùn)營(yíng)商將具備前所未有的深度洞察能力，各類客戶數(shù)據(jù)、交互數(shù)據(jù)將通訊行業(yè)的商務(wù)智能從傳統(tǒng)分析帶到了更廣闊的空間，全球眾多運(yùn)營(yíng)商目前正在實(shí)施大數(shù)據(jù)。未來運(yùn)營(yíng)商將有更多的模式來經(jīng)營(yíng)大數(shù)據(jù)資產(chǎn)，包括租售數(shù)據(jù)模式、租售信息模式、數(shù)字媒體模式、數(shù)據(jù)使能模式等，各種模式背后也將催生出更多的產(chǎn)業(yè)[7]。

參考文獻(xiàn)：

[1] 移動(dòng)Labs. 應(yīng)區(qū)分云計(jì)算和大數(shù)據(jù)兩個(gè)概念[EB/OL]. （2012-12-28）. http：//labs.chinamobile.com/mblog/52251/191948.

[2] 王萌. “與數(shù)俱進(jìn)”：聯(lián)合國(guó)發(fā)布大數(shù)據(jù)政務(wù)白皮書[EB/OL]. （2012-07-12）. http：//www.ctocio.com/ccnews/7370.html.

[3] 大數(shù)據(jù)蘊(yùn)含大價(jià)值[EB/OL]. （2013-07-21）. http：//www.doc88.com/p-2961680194630.html.

[4] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶. 大數(shù)據(jù)時(shí)代[M]. 盛楊燕，周濤，譯. 杭州： 浙江人民出版社， 2012.

[5] 吳增海. 社交網(wǎng)絡(luò)模型的研究[D]. 合肥： 中國(guó)科學(xué)技術(shù)大學(xué)， 2012.

[6] 肖云鵬. 在線社會(huì)網(wǎng)絡(luò)用戶行為模型與應(yīng)用算法研究[D]. 北京： 北京郵電大學(xué)， 2013.

[7] 趙正永. 大數(shù)據(jù)專題講座心得體會(huì)[N]. 陜西日?qǐng)?bào)， 2014-02-11.★endprint

3.2 社交網(wǎng)絡(luò)分析模型構(gòu)建

首先，構(gòu)建客戶影響力模型指標(biāo)體系，見表1。所有指標(biāo)一般采用最近4個(gè)月的平均值，另外需要對(duì)異常值進(jìn)行剔除，對(duì)極端值按照客戶行為平均值進(jìn)行平滑處理。

其次，建立客戶影響力模型計(jì)算方法。其中，去話和來話對(duì)通信企業(yè)的價(jià)值不同，去話的影響力和價(jià)值高于來話，去話與來話的收入折算系數(shù)為12.215。為消除量綱的影響，所有指標(biāo)除以變異系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，二階中心度的影響力較一階中心度低一級(jí)，做開平方根處理，單次通話時(shí)長(zhǎng)做同樣的處理。根據(jù)已發(fā)生事實(shí)調(diào)優(yōu)客戶影響力計(jì)算公式，如客戶影響力指數(shù)沒有與具體業(yè)務(wù)問題進(jìn)行關(guān)聯(lián)，即在客戶流失問題中有影響力客戶在捆綁套餐營(yíng)銷中不一定有影響力，因此需要根據(jù)具體的業(yè)務(wù)問題對(duì)客戶影響力指數(shù)的指標(biāo)及權(quán)重進(jìn)行調(diào)整。

3.3 模型應(yīng)用結(jié)果

篩選基礎(chǔ)目標(biāo)客戶：抽取用戶近3個(gè)月的交往圈信息和互聯(lián)網(wǎng)訪問內(nèi)容信息，剔除移動(dòng)互聯(lián)影響力較弱的用戶隊(duì)列，即：剔除近3個(gè)月相互主動(dòng)聯(lián)系次數(shù)不超過N次的用戶；剔除上網(wǎng)行為匹配度低的交往用戶（近3個(gè)月內(nèi)沒有使用相同業(yè)務(wù)或不滿足訪問內(nèi)容一致性、相同內(nèi)容/應(yīng)用訪問時(shí)間、時(shí)長(zhǎng)一致性等）；計(jì)算每對(duì)用戶間的互聯(lián)邊權(quán)重（強(qiáng)聯(lián)系是指語音聯(lián)系；弱聯(lián)系是指信息聯(lián)系，如短信、彩信、飛信、飛聊、郵件等；虛聯(lián)系是指其他無顯式的互聯(lián)，如微博粉絲、通信錄好友、集群網(wǎng)成員等）。計(jì)算次數(shù)時(shí)要求客戶彼此之間有互聯(lián)，如彼此有語音主叫、彼此有發(fā)送信息、彼此加對(duì)方為好友，否則聯(lián)系值為0。剔除權(quán)重低于全網(wǎng)均值的互聯(lián)邊，如某群體之間的平均互聯(lián)邊權(quán)重約為28，則剔除后社交網(wǎng)絡(luò)的互聯(lián)邊數(shù)量從7億條降至1.2億條，可大大減少計(jì)算量。

（1）選擇購買套餐的前100名最具有影響力客戶和隨機(jī)100名客戶，觀察這兩組客戶的關(guān)聯(lián)客戶在隨后6個(gè)月內(nèi)的套餐辦理數(shù)和辦理率，結(jié)果如圖1所示。這表明有影響力客戶影響關(guān)聯(lián)客戶隨后購買套餐的數(shù)量和比例都高于隨機(jī)客戶的影響，且初始月份之后，影響力有逐漸增強(qiáng)的趨勢(shì)，而隨著時(shí)間再繼續(xù)向前，影響力又逐漸變小。

（2）以客戶間的通話時(shí)長(zhǎng)作為關(guān)系強(qiáng)度的衡量。如圖2所示，本網(wǎng)一對(duì)客戶之間的月平均通話時(shí)長(zhǎng)為6.5分鐘；選取前100名有影響力客戶，他們與其關(guān)聯(lián)客戶之間每個(gè)月平均通話時(shí)長(zhǎng)達(dá)到24.6分鐘；觀察有影響力客戶與6個(gè)月內(nèi)受影響購買套餐的關(guān)聯(lián)客戶之間的通話時(shí)長(zhǎng)，最先受影響購買套餐的關(guān)聯(lián)客戶與初始有影響力客戶的通話時(shí)長(zhǎng)最長(zhǎng)，隨著月份的增加呈逐漸下降的趨勢(shì)，這表明與初始有影響力客戶聯(lián)系越多的客戶越最先受到影響。

在套餐推廣過程中引入基于社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法，可以明顯看出有影響力的套餐購買客戶能夠帶動(dòng)更多的客戶跟隨購買。隨著時(shí)間的推移，有影響力客戶與隨機(jī)客戶對(duì)管理客戶的影響比較越明顯，推薦成功率、推薦絕對(duì)數(shù)均隨時(shí)間推移有顯著增加，具體如表2和表3所示：

本次推薦的套餐價(jià)格為88元，根據(jù)三年內(nèi)的統(tǒng)計(jì)數(shù)據(jù)，套餐的平均使用周期為12個(gè)月，將社交網(wǎng)絡(luò)分析的高影響力客戶識(shí)別模型算法僅用于100名客戶就為運(yùn)營(yíng)商增加242.35萬元的收益，有效地解決了運(yùn)營(yíng)商在企業(yè)營(yíng)銷中充分挖掘客戶對(duì)產(chǎn)品的營(yíng)銷傳播能力，提取客戶之間的關(guān)系屬性，將客戶間的相互影響、客戶關(guān)系和影響隨時(shí)間變化的趨勢(shì)在構(gòu)建分析模型時(shí)充分地考慮進(jìn)來。

4 總結(jié)

大數(shù)據(jù)時(shí)代的運(yùn)營(yíng)商將具備前所未有的深度洞察能力，各類客戶數(shù)據(jù)、交互數(shù)據(jù)將通訊行業(yè)的商務(wù)智能從傳統(tǒng)分析帶到了更廣闊的空間，全球眾多運(yùn)營(yíng)商目前正在實(shí)施大數(shù)據(jù)。未來運(yùn)營(yíng)商將有更多的模式來經(jīng)營(yíng)大數(shù)據(jù)資產(chǎn)，包括租售數(shù)據(jù)模式、租售信息模式、數(shù)字媒體模式、數(shù)據(jù)使能模式等，各種模式背后也將催生出更多的產(chǎn)業(yè)[7]。

參考文獻(xiàn)：

[1] 移動(dòng)Labs. 應(yīng)區(qū)分云計(jì)算和大數(shù)據(jù)兩個(gè)概念[EB/OL]. （2012-12-28）. http：//labs.chinamobile.com/mblog/52251/191948.

[2] 王萌. “與數(shù)俱進(jìn)”：聯(lián)合國(guó)發(fā)布大數(shù)據(jù)政務(wù)白皮書[EB/OL]. （2012-07-12）. http：//www.ctocio.com/ccnews/7370.html.

[3] 大數(shù)據(jù)蘊(yùn)含大價(jià)值[EB/OL]. （2013-07-21）. http：//www.doc88.com/p-2961680194630.html.

[4] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶. 大數(shù)據(jù)時(shí)代[M]. 盛楊燕，周濤，譯. 杭州： 浙江人民出版社， 2012.

[5] 吳增海. 社交網(wǎng)絡(luò)模型的研究[D]. 合肥： 中國(guó)科學(xué)技術(shù)大學(xué)， 2012.

[6] 肖云鵬. 在線社會(huì)網(wǎng)絡(luò)用戶行為模型與應(yīng)用算法研究[D]. 北京： 北京郵電大學(xué)， 2013.

[7] 趙正永. 大數(shù)據(jù)專題講座心得體會(huì)[N]. 陜西日?qǐng)?bào)， 2014-02-11.★endprint